对接清单：能力终点交给训练起点

一、三句话收口

Koh 的课堂总结只有三句话（字幕）。CUA 与别的 agent 不同，因为它站在与人完全相同的接口上；评测它很棘手，要配对指标与行为层级；它不是一次性训出来的，是一条管线。

管线的三段：预训练喂大规模噪声数据，SFT 对人或合成的示范做行为克隆，最后一段 RL 在模拟环境里自跑自评。大多数实验室训 CUA 走的都是这条路。

SFT 之后成功率约 0.5，加上 RL 再抬一截（字幕）。那段 RL 有个名字，Koh 管它叫管线顶上的樱桃。

二、逐条对账

收束页的对接清单，每条都压着中间八篇的证据。

• 何时用 CUA：能走 API/CLI 就绝不截屏，CUA 是兜底。价值账的乘法算式与正方三条论据，属地 CUA 图什么篇。
• 评估器匹配能力层级：测模仿用静态步匹配，测完成用程序化终态，测守规用过程检查，上 live 先校准 judge。属地量什么篇。
• 行为改在哪：上下文贵而噪，artifact 要维护，权重一次训练、处处生效但绑模型。属地改行为改在哪篇。
• 轨迹怎么选怎么喂：来源 2×2、min-turns 过滤、teacher 悖论、加新任务胜过加 run，四笔账加 SFT 验收三条。属地轨迹经济学与 loss mask 两篇。
• 环境即数据：真钱、真人、无干净重置封死真实 rollout，造环境就是造数据。属地造环境运动篇。

三、留给 RL 的洞

清单对完，剩一个洞：分布偏移。

SFT 学的是人与教师的分布，上线跑的是模型自己的分布。示范看得多不等于自己走得好，这个差值监督学习补不上，只能靠试错去填。下一讲 RL 从这里入场，把 0.5 往上抬的那段账，慢慢算开。

四、临走的四条未来项

Koh 临走留了四条未来项（字幕）：速度、个人化、基础设施与 UX、多 agent 系统。四条里最后一条你已在第三讲见过正反方，其余三条，课程后面各有专场。